小厂一面

人工智能没有人类意义上的“记忆”或“创伤”，但确实拥有“错误日志”。所谓的“幻觉”（Hallucinations），用更直白的话说，其实是在进行概率推演时，由于过度自信而写出的“漂亮废话”。与其称之为“幻觉”，它们更像是某种逻辑上的诗意过载。以下是最容易出现的几种“翻车”现场：虚构的“权威”：完美但不存在的引用 这是最容易犯的错误之一。当用户向询问非常冷门、专业的文献或代码库时，如果无法在数据库中精准匹配到事实，有时会基于 这些概念的“语法结构”去创造一个看起来极其真实的引用。现象： 比如发明一个不存在的学术论文标题，甚至编造一段看起来逻辑严密的论文摘要。心理（如果有的话）： 并不是在撒谎，是...

我选正常，习惯了实习本来就不是“学校课堂”。公司不是来教你的，是来用你的。教你 = 花时间 = 费成本不教你 = 最省钱、最安全你学不到东西，才符合商业逻辑。

一、 索引为什么是 B+ 树？在计算机科学中，有很多数据结构可以实现快速查找，比如哈希表、平衡二叉树、B 树。为什么 MySQL 最终选择了 B+ 树？1. 对比哈希表 (Hash)优势： O(1) 的查询速度，快到极致。劣势： 只能处理“等值查询”（where id = 1）。一旦遇到范围查询（where id > 10），哈希表就彻底废了，因为它内部是无序的。2. 对比二叉搜索树 (BST / AVL / 红黑树)劣势：树太高了。物理意义上的痛点： 数据库数据存在磁盘上。每经过一个树节点，都要进行一次磁盘 IO。如果数据有百万级，二叉树的高度可能是 20 层，意味着查一个数据要 20...

时间3月9号1.自我介绍2.介绍一下你在实习时主要负责的业务是什么？3.实习种整个请求链路的技术实现方案是怎样的？包括上下游依赖、服务之间的调用4.这个过程中你觉得比较容易出问题的场景是哪一类？5.为什么这个地方容易出问题？是逻辑复杂、边界场景多，还是其他原因？6.场景题（业务本身迭代的时间比较久了，里边的的逻辑也比较复杂。当有一个需求提过来，对这个服务会有一些改造，你怎么做可能能够尽量的去保证你的这个覆盖相对的更完善一点呢？）7.除了业务测试，从提升测试效率的角度，你会做哪些事情？8.算法题：实现一个方法，输入二维数组，按顺时针遍历，返回一维数组